Robot Humanoid China Tak Lagi Sekadar Mengejar Rekor—Kini Harus Membuktikan Diri di Pabrik

Dua acara besar di Beijing—World Humanoid Robot Games edisi kedua dan World Robot Conference 2026—menampilkan dua sisi dari industri robot humanoid China.

Di arena pertandingan, robot Tiangong menunjukkan peningkatan mencolok dalam kecepatan dan kemampuan melompat. Di ruang konferensi, Beijing Humanoid Robotics Innovation Center memperkenalkan ekosistem yang lebih luas: model kecerdasan berbadan atau embodied intelligence, platform robot, dan pendekatan yang diarahkan pada produksi berbiaya lebih rendah.

Pesan yang lebih penting bukanlah satu rekor tertentu. Industri robot humanoid mulai bergerak dari pertunjukan menuju pengembangan produk. Namun, teknologi ini belum melewati ambang yang lebih sulit: penerapan berskala besar yang benar-benar andal, aman, dan layak secara ekonomi.

Rekor Tiangong di Beijing

Seri Tiangong menjadi salah satu penampil paling menonjol dalam World Humanoid Robot Games edisi kedua.

• Tiangong Ultra memenangkan nomor 400 meter kategori robot berukuran besar dalam 38,15 detik. 45
• Robot itu kemudian memenangi final 100 meter kategori yang sama dengan waktu 8,64 detik, setelah mencatat 8,86 detik pada babak semifinal. 15
• Tiangong Omni memenangkan lomba 400 meter kelompok kecil dalam 45,66 detik. 23
• Rekor yang dilaporkan dalam pertandingan tersebut mencakup waktu 2 menit 21,64 detik untuk nomor 1.500 meter, lompatan tinggi berdiri 3,40 meter, dan lompatan jauh berdiri 4,83 meter. 25

Angka-angka ini menunjukkan kemajuan pesat dalam gerak dinamis robot. Namun, hasilnya perlu dibaca secara proporsional. Robot yang dioptimalkan untuk nomor pertandingan tertentu sedang menunjukkan kemampuan khusus dalam kondisi yang terukur. Itu belum membuktikan bahwa robot yang sama dapat bergerak aman di pabrik yang penuh situasi tak terduga, menangani beragam benda, atau bekerja berjam-jam tanpa campur tangan manusia.

Sejumlah laporan juga menyebut tim Beijing Humanoid Robotics Innovation Center dan seri Tiangong mengumpulkan 15 medali emas, 12 perak, dan 18 perunggu, serta mencetak 34 rekor. Karena angka agregat tersebut berasal dari sumber sekunder dan belum diverifikasi secara independen di sini, angka itu sebaiknya diperlakukan sebagai total yang dilaporkan. 613

Satu pengumuman menyasar “otak”, satu lagi “tubuh” robot

Dalam World Robot Conference, pusat inovasi tersebut memperkenalkan Pelican-Unify, model kecerdasan berbadan terpadu yang dirancang untuk menghubungkan pemahaman, penalaran, imajinasi, dan tindakan. Riset pendampingnya menjelaskan penggunaan satu model visual-bahasa sebagai modul pemahaman dan penalaran terpadu. Model tersebut memetakan adegan, instruksi, konteks visual, serta riwayat tindakan ke dalam ruang semantik bersama. 17

Peluncuran ini mencerminkan perubahan besar dalam pengembangan robot humanoid. Tantangannya bukan lagi hanya membuat aktuator yang lebih kuat, sistem keseimbangan yang lebih baik, atau tangan yang lebih cekatan. Pengembang juga berusaha membangun lapisan kecerdasan yang dapat digunakan ulang untuk memahami lingkungan, merencanakan tugas, lalu menerjemahkan rencana tersebut menjadi tindakan fisik.

Pusat inovasi itu juga memperkenalkan Tiangong Omni, robot humanoid dengan tinggi 1,35 meter dan berat 39 kilogram, yang disebut diarahkan untuk mendukung produksi massal berbiaya lebih rendah. 1319 Bentuknya yang lebih kecil mengarah pada pertanyaan komersial yang praktis: apakah platform yang lebih ringan dan murah dapat membuat uji coba serta penerapan robot lebih mudah dibandingkan humanoid besar dengan spesifikasi tinggi.

Dengan demikian, Pelican-Unify dan Omni adalah dua pengumuman yang saling melengkapi. Yang pertama menyasar lapisan perangkat lunak dan kecerdasan; yang kedua menyasar platform fisik tempat kecerdasan itu bekerja.

“Momen ChatGPT” masih berupa prediksi

Xiong Youjun, CEO pusat inovasi tersebut, menggambarkan kecerdasan buatan berbadan sebagai teknologi yang mendekati “momen ChatGPT”—titik ketika model umum dan data yang memadai dapat membuat teknologi berguna untuk berbagai tugas. Analogi ini menangkap ambisi industri, tetapi bukan bukti bahwa robot humanoid otonom serbaguna sudah tersedia.

Robot menghadapi lingkungan penerapan yang lebih menuntut dibandingkan sistem perangkat lunak. Robot harus memahami kondisi fisik yang terus berubah, menghindari tabrakan, mengendalikan gaya, memulihkan diri dari kesalahan, dan mengulangi pekerjaan dengan hasil yang konsisten. Model yang tampil baik dalam demonstrasi masih mungkin memerlukan data khusus tugas, pengawasan, dan integrasi ekstensif sebelum dapat bekerja dengan aman di lingkungan komersial.

Ujian paling berarti bagi analogi tersebut adalah apakah satu model dapat berpindah secara andal di antara berbagai tubuh robot, tempat kerja, dan jenis tugas—bukan sekadar menghasilkan demonstrasi yang mengesankan.

Ukuran keberhasilan bergeser dari spesifikasi ke kinerja sistem

Robot humanoid selama ini kerap dibandingkan melalui spesifikasi yang mudah dilihat: tinggi, berat, jumlah derajat kebebasan, kapasitas angkut, dan kecepatan maksimum. Ukuran itu tetap berguna, tetapi belum menjawab pertanyaan yang menentukan apakah pelanggan akan membeli robot.

Perusahaan industri lebih mungkin bertanya:

• Seberapa sering robot menyelesaikan tugas tanpa intervensi?
• Berapa waktu operasional dan kebutuhan pemeliharaannya?
• Seberapa konsisten kecepatan serta kualitas hasilnya?
• Berapa biaya untuk mengintegrasikannya dengan peralatan yang sudah ada?
• Apakah sistem dapat bekerja dengan aman di sekitar manusia?
• Apakah robot menghasilkan pengembalian investasi yang terukur?

Karena itu, pekerjaan inspeksi terbatas, pemilahan, pemindahan berulang, dan tugas-tugas “kotor, berbahaya, serta membosankan” mulai banyak mendapat perhatian. Jenis pekerjaan tersebut lebih mudah membandingkan biaya robot dengan manfaat operasional tertentu—misalnya mengurangi paparan terhadap bahaya, meningkatkan kapasitas produksi, atau membantu mengatasi kekurangan tenaga kerja.

Laporan yang tersedia juga menyebut proyek verifikasi termometer inframerah menjadi enam kali lebih cepat. Angka itu belum didukung secara independen oleh bukti yang tersedia, sehingga tidak seharusnya diperlakukan sebagai tolok ukur kinerja yang sudah mapan. Sensor inframerah memang dapat mengukur suhu dengan cepat dan tanpa kontak fisik, tetapi kemampuan umum tersebut tidak membuktikan klaim hasil dari proyek robot tertentu. 33

Infrastruktur bersama dapat mengatasi masalah skala

Hambatan industri ini bukan hanya kinerja mekanis. Biaya membangun infrastruktur pendukung juga menjadi persoalan besar.

Menurut pelaporan terkait peluncuran tersebut, perusahaan menghadapi pengumpulan data yang berulang, verifikasi mahal, serta tumpukan perangkat keras dan perangkat lunak yang tidak kompatibel. Jika setiap produsen robot dan pabrik harus membuat dataset, antarmuka, prosedur keselamatan, dan alat integrasinya sendiri, penerapan akan tetap lambat dan mahal meskipun kemampuan tiap robot terus meningkat.

Respons yang diusulkan adalah lapisan infrastruktur bersama. Platform Tiangong diposisikan sebagai platform tubuh robot yang dapat digunakan ulang, sementara ekosistem sumber terbuka Huisi Kaiwu menyediakan alat dan model untuk pengembangan model dunia berbadan serta model visual-bahasa robot. Materi X-Humanoid sendiri menggambarkan kemampuan yang ditujukan untuk penggunaan lintas skenario dan lintas tugas, termasuk lingkungan pabrik, rumah, dan luar ruang, serta tugas menggenggam, navigasi, dan interaksi manusia-robot. 2122

Infrastruktur yang terbuka atau kompatibel dapat mengurangi pekerjaan rekayasa yang harus diulang. Namun, keterbukaan saja tidak menjamin keandalan. Platform bersama tetap membutuhkan antarmuka yang jelas, evaluasi yang kuat, dokumentasi, pengamanan, dan bukti bahwa model benar-benar dapat berpindah dengan baik di antara tubuh robot serta lingkungan operasi yang berbeda.

Kemitraan menunjukkan bahwa pendampingan mungkin datang lebih dulu

Kemitraan yang dilaporkan dengan Mercedes-Benz, yang dikaitkan dengan penggunaan Tiangong 3.0 sebagai “pemberi rekomendasi berbasis silikon”, menunjukkan peran jangka pendek yang lebih hati-hati: membantu pekerja dan merekomendasikan tindakan dalam alur kerja yang terbatas, bukan langsung menggantikan penilaian manusia secara luas. Bukti yang tersedia mengonfirmasi bahwa kemitraan tersebut diberitakan, tetapi belum menjelaskan cakupan atau kinerja operasionalnya secara menyeluruh. 19

Perbedaan ini penting. Adopsi industri dapat dimulai dengan robot yang memeriksa, memberi rekomendasi, mengambil, memilah, atau mengerjakan langkah-langkah berulang, sementara manusia tetap bertanggung jawab atas pengecualian dan keputusan berisiko tinggi. Penerapan semacam itu dapat menghasilkan data operasional sekaligus memperlihatkan pola kegagalan sebelum perusahaan memberikan tugas yang lebih otonom.

Standar sama pentingnya dengan model AI

Keselamatan dan interoperabilitas akan menentukan apakah robot humanoid dapat melampaui tahap proyek percontohan. China telah menyetujui pengembangan standar nasional robot humanoid yang mencakup sejumlah bidang, antara lain persepsi lingkungan, pengambilan keputusan dan perencanaan, kendali gerak, serta pelaksanaan tugas. 27

Standar dapat membantu menetapkan metode pengujian, persyaratan teknis, dan ekspektasi untuk interaksi manusia-robot. Standar juga berpotensi mengurangi ketidakpastian bagi pabrik yang perlu mengintegrasikan robot dari berbagai pemasok.

Klaim khusus bahwa upaya tersebut mencakup 49 standar keselamatan dan standar terkait belum diverifikasi secara independen oleh sumber yang tersedia. Namun, arahnya jelas: industri robot yang ingin mencapai adopsi massal membutuhkan lebih dari sekadar perangkat keras dan model yang mumpuni. Industri ini memerlukan evaluasi berulang yang dapat dipercaya, pembuktian keselamatan, antarmuka yang kompatibel, serta pembagian tanggung jawab yang jelas ketika sistem mengalami kegagalan.

Seperti apa jalur menuju adopsi massal?

Peristiwa di Beijing mengarah pada pola adopsi bertahap:

1. Mulai dari tugas yang sempit dan dapat diukur. Inspeksi, pemilahan, pemindahan berulang, dan alur kerja terbatas lebih mudah dievaluasi dibandingkan pekerjaan umum tanpa batas yang jelas.
2. Ukur kinerja operasional. Kapasitas, kualitas, waktu aktif, frekuensi intervensi, keselamatan, dan total biaya kepemilikan lebih penting daripada satu kali lari dengan rekor.
3. Gunakan kembali data dan infrastruktur. Platform bersama serta perangkat yang kompatibel dapat mengurangi duplikasi pelatihan dan integrasi.
4. Bangun standar bersamaan dengan kemampuan teknis. Pabrik membutuhkan cara yang andal untuk menguji, mensertifikasi, dan memantau sistem humanoid.
5. Tingkatkan otonomi secara bertahap. Robot baru dapat bergerak dari peran pendamping yang diawasi menuju operasi multitugas yang lebih luas setelah keandalan dan nilai investasinya terbukti.

Acara-acara di Beijing memperlihatkan sektor yang bergerak cepat dalam kemampuan gerak dinamis, riset kecerdasan berbadan, dan desain platform. Namun, persaingan penentu tidak akan dimenangkan hanya dengan rekor sprint berikutnya. Pemenangnya adalah sistem yang mampu mengerjakan tugas berguna secara berulang, aman, dan dengan biaya yang dapat dibenarkan oleh pelanggan.